Questions parentales et qualité des réponses d’IA sur l’autisme

Cette prépublication étudie comment les caractéristiques des questions parentales sont associées à la qualité des recommandations d’IA dans le conseil familial concernant des enfants autistes. Les auteurs ont conçu un cadre combinant analyse du langage, représentation sémantique et apprentissage automatique. Le travail n’a pas encore été évalué par les pairs.

L’analyse porte sur 7 200 questions réelles posées par 240 personnes assurant principalement la garde de l’enfant. Chaque question a été associée à une version structurée selon huit champs, soit 14 400 textes soumis à trois systèmes d’IA générative et 43 200 réponses. Des experts ont évalué six dimensions de qualité , ensuite calibrées au moyen d’un modèle statistique.

Parmi les caractéristiques étudiées, la complétude des informations présente la contribution la plus élevée dans l’interprétation du modèle, devant la précision de la description comportementale, la clarté de l’objectif et celle du langage concernant l’enfant. XGBoost obtient une AUC de 0,934, un indice mesurant ici la capacité du modèle à distinguer les niveaux de qualité, avec une exactitude de 0,892.

Lors des validations entre plateformes, l’AUC varie de 0,881 à 0,897. Les auteurs y voient la faisabilité technique du repérage automatisé de la qualité des recommandations. Le résumé ne rapporte toutefois ni effets sur les familles ni résultats cliniques. Il ne permet donc pas de conclure que ces réponses améliorent l’accompagnement ou qu’un tel système puisse se substituer à une évaluation professionnelle.